Data Science Numpy基础（二）

Anaconda的基本用法

按照上篇文章，相信大家都安装好了Anaconda，有朋友在留言区留言希望出一篇关于Anaconda的使用教程，其实Anaconda的基本使用非常简单，基本无需教程。

在windows下安装好Anaconda后，在所有程序中可以看到Anaconda下有以下几个组件：

Anaconda Navigator：用于管理工具包和环境的图形界面。

Anaconda Prompt：用于管理包和环境的命令行界面。

Jupyter Noterbook：基于Web的交互式计算环境，用于展示数据分析的过程，并且生成容易阅读的文档。

Spyder：Python集成开发环境，布局类似于Matlab。

我们学习主要使用的是第三个Jupyter Noterbook。

这里简单普及一下常用的Anaconda命令(虽然我也不经常用)。

查看软件版本号

添加镜像

更新conda

查看已经安装的packages

新手入门建议只安装Anaconda，可以省去很多不必要的麻烦，以上就是Anaconda的基本使用，欢迎大家在留言区补充。

Numpy索引及切片

纠正下上一篇的错误：

numpy的索引方式和Python中的列表索引相似,这里主要介绍普通数组索引/切片和布尔型数组的索引/切片。

一维数组的索引/切片

一维数组的索引和切片和Python中的列表相同，索引都是从0开始，切片都是左闭右开。

多维数组的索引/切片

二维数组可以理解为两个一维数组横向堆叠在一起，所只要分别取对应索引即可。

三位数组的索引、切片的取值方式相当与二维数组的进化版。

布尔型的索引及切片

布尔型数组的使用是本片文章的重点。

而我们经常见到的是这样的：

当我们需要筛选出ar中大于3的值，就可以使用布尔值进行筛选，如下：

Numpy随机数均匀分布和正态分布

以均匀分布和正态分布的方式生成随机数

以正太分布的方式生成随机数

按照上面的写法相信大家对与.randn()和.rand()的认识还不够清晰，这里用可视化的方式展示一下：

这是随机分布的图样：

plt.scatter(data1,data2)

这是正态分布的图样：

plt.scatter(data3,data4)

可以看到正态分布和随机分布的成像还是有较大不同的，当然这里只是加深大家对.randn()和.rand()的认识，可视化在之后会进一步学习。

Numpy随机数的其他用法

作业

创建2个包含10个元素的正太分布一维数组

请按照要求创建数组ar，再将ar[:2,:2]的值改为[0,1)的随机数

按照要求创建数组，通过索引，其ar[4]、ar[:2,3:]、ar[3][2]分别是多少

按照要求创建数组，筛选出元素值大于5的值并生成新的数组

回复「作业」查看作业答案